基于改进的虫优化算法进行重量分配的组合模型研究,用于使用实验室测试指标查结直肠癌
Zhou Yu1, Jianping Wang1, Ping Li2
1Department of Colorectal and Anal Surgery, Jinhua Municipal Central Hospital, Jinhua, China.
Journal of gastrointestinal oncology
|November 12, 2025
概括
这项研究引入了一种新的机器学习模型,MSADBO-WV,用于使用常规实验室测试进行早期结直肠癌 (CRC) 查. 该模型显示了高精度,改善了早期检测和患者的结果.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 早期对结直肠癌 (CRC) 的查对于生存和降低成本至关重要.
- 目前的CRC检测方法缺乏准确性,灵敏性和通用性.
- 需要先进的方法来提高早期CRC查的性能.
研究的目的:
- 为早期CRC查开发一种先进的机器学习方法.
- 用例行实验室测试指标来改进CRC检测.
- 提高早期CRC识别的准确性和有效性.
主要方法:
- 通过实验室指标,探索了常见机器学习方法对CRC的分类效应.
- 对比综合模型并提出加权投票策略 (MSADBO-WV).
- 在45个数据集特征上进行特征选择,用于CRC预测.
主要成果:
- MSADBO-WV方法的性能优于其他集成和普通机器学习方法.
- 在26个选定的特征中实现了最高准确率98.42%±1.53%的精度.
- 证明了分析框架对有效CRC查的实用性.
结论:
- 在结直肠癌查中,MSADBO-WV显示出有前途的性能.
- 在未来的临床研究中需要进一步评估.
- 该方法可以帮助早期CRC查和预防策略.
更多相关视频
09:01Non-invasive Assessment of the Efficacy of New Therapeutics for Intestinal Pathologies Using Serial Endoscopic Imaging of Live Mice
Published on: March 10, 2015
10.4K
08:14A Method to Define the Effects of Environmental Enrichment on Colon Microbiome Biodiversity in a Mouse Colon Tumor Model
Published on: February 28, 2018
9.2K
